MétaCan
Menu
Retour à la cohorte
Enregistrement W1983567566 · doi:10.1115/icnmm2009-82206

On the Road for a Mechanism of Thermal Conductance Enhancement in Nano-Fluids: Part I—General Introduction to the Chemical Actuator Mechanism

2009· article· en· W1983567566 sur OpenAlexaff
Mahmoud R. Reda

Notice bibliographique

RevueASME 2009 7th International Conference on Nanochannels, Microchannels, and Minichannels · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésHeat transferBrownian motionNano-MechanicsThermodynamicsConvective heat transferConvectionNanofluidicsMaterials scienceNanofluidChemical physicsThermal conductivityThermalParticle (ecology)NanotechnologyChemistryPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

It was concluded after reviewing the literature that the existing medium theory (Maxwell model) cannot explain this anomalous increase of thermal conductivity of nano-particles that are suspended in fluid (nano-fluids). This new mechanism restricts the definition of nano-particles as particle that perfectly obeys the Gibbs rule of thermodynamics and act as a chemical actuator during heat transfer. This driving force for the chemical actuator is the microstructure phase change of the passive layer during heat transfer. The new mechanism require the presence of nano-convection (Brownian motion) in the vicinity of nano-particles surface, explain temperature and particles size dependency, require the presence of a shell or a sheath where chemical interaction occurs between the surface and the fluid and many others. The high rate of heat transfer of the nano-fluid is due to first, the bubbles formations inside the passive layer and their departure from grain boundaries and second due to nano-convection generated in the vicinity of the nano-particles of the nano-particles as result of the chemical actuation of the nano-particles. This nano-convection produces Brownian motion which increase rate of heat transfer.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,192
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,248
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueASME 2009 7th International Conference on Nanochannels, Microchannels, and MinichannelsMême sujetNanofluid Flow and Heat TransferTravaux en français237 207